[发明专利]小麦矮腥黑穗病TCK及其近似种TCT的冬孢子图像鉴定方法

摘要

本发明公开了一种小麦矮腥黑穗病TCK及其近似种TCT的冬孢子图像鉴定方法，该方法包括构建稀疏字典、矮腥黑穗病害图像鉴定、输出鉴定结果这三个步骤，利用小麦矮腥黑穗病菌冬孢子图像作为鉴定对象，根据冬孢子的形态学特征，应用基于稀疏表示的模式识别方法，能实现TCK及其近似种TCT的快速、准确的鉴定，且鉴定成本低廉，仅需要制作用于显微镜下观察病害图像的玻片即可。这相比现有技术，本发明方法能够解决或规避当前对小麦矮腥黑穗病鉴定中，分子生物学方法存在的程序复杂、常规PCR检测时间长等问题，以及显微镜下观察冬孢子形态学特征的鉴定方法对检测人员技术水平要求较高、测量过程繁琐等问题。

主权项

小麦矮腥黑穗病TCK及其近似种TCT的冬孢子图像鉴定方法，其特征在于，包括以下步骤：1)构建稀疏字典1.1)小麦矮腥黑穗病害冬孢子图像采集，获取的图像可以包含多个冬孢子，但各孢子区域不可互相粘连；1.2)训练样本图像制作采用中值滤波过滤图像噪声，并采用图像分割、图像标记提取冬孢子区域，使得每幅样本图像仅包含一个冬孢子；1.3)稀疏字典的构成设鉴定目标有n＝2类，即TCK与TCT，每类有m个训练样本，用表示所有属于第i类的训练样本数据，i＝1,2，它的m个列向量构成一个空间，反映第i类，则2个目标类的所有训练样本组成的稀疏字典矩阵如下：Α＝[Α1 Α2]式中，A的行数为描述样本的特征参数个数，列数为训练样本总数；当稀疏字典构成后，除非增加字典的容量，否则后续的每次鉴定不需再重新生成或更改；2)矮腥黑穗病害图像鉴定2.1)采集待鉴定矮腥黑穗病害冬孢子图像，获取的图像可以包含多个冬孢子，但各孢子区域不可互相粘连；2.2)制作待鉴定病害的样本图像，每幅待鉴定的样本图像仅包含一个冬孢子；2.3)提取冬孢子区域特征参数提取小麦矮腥黑病害图像冬孢子区域的特征参数作为分类的依据，其中，所述特征参数与稀疏字典的特征参数相同；2.4)基于稀疏表示方法的病害类型鉴定设待鉴定样本图像的特征数据构成测试样本的向量y，则该向量可表示如下：y＝Ax式中，x为列向量，元素表示在稀疏字典中第i类第j个训练样本上的投影系数，通过l1最小化范数来求解x，如下式所示：满足||Ax‑y||2＜＜ε式中，为x的近似解，ε为误差阈值；在实际识别时，用正交匹配追踪算法来求解l1最小化范数，通过残差逼近算法与设计的分类器来判别y的所属类别，所述残差逼近算法如下式所示：式中，ri(y)为用第i类训练样本重建y的残差，是一个新向量，它的非零元素仅是与第i类相关的成分，用近似y，与y距离越小，属于第i类的可靠性越高；稀疏表示法根据测试样本在每个训练样本上的投影系数进行识别，如下：首先，输入训练稀疏字典的样本矩阵A，识别对象特征值向量y，稀疏度K；然后初始化残差r0＝y，样本索引集Λ0＝[]，t＝1；最后执行以下过程：2.4.1)找出残差r和训练样本矩阵的列φj内积中最大值所对应的脚标λ，即λ＝argmaxj＝1,...,N|＜rt‑1,φj＞|2.4.2)更新索引集Λt＝Λt‑1∪{λt}，记录找到的训练样本矩阵中的重建原子集，即Φt＝[Φt‑1,φλt]2.4.3)求出2.4.4)更新残差t＝t+1；2.4.5)若t>K，则停止迭代，执行下面步骤2.4.6)；若不满足，则循环执行步骤2.4.1)至2.4.5)；2.4.6)采用分类器鉴定病害类别，首先统计稀疏表示中的非0系数，计算出测试样本y在每一类训练原子的投影系数和s，再求出投影系数和s中的最大值，最后，把该最大值所对应的类作为最终的分类结果；3)输出鉴定结果，至此便完成矮腥黑穗病害鉴定。